科学计算和可视化

numpy和matplotlib库的学习笔记

numpy库

np.array([x,y,z],dtype=int)　　从Python 列表和元组创造数组 

np.arange(x,y,i)　　创建一个由x到y,以；为步长的数组

np.linspace(x,y,n)　　创建一个由x到y,等分成n个元素的数组 

np.indices((m,n))　　创建一个m行n列的矩阵 

np.random.rand(m,n)　　创建一个㎡行n列的随机数组 

np.ones((m,n),dtype)　　创建一个m行n列全1的数组，dtype 是数据类型 

np.empty((m,n),dtype)　　创建一个m行n列全0的数组，dtype 是数据类型

ndarray 类

ndarray.ndim 　　数组轴的个数，也被称作秩 

ndarray.shape 　　数组在每个维度上大小的整数元组 

ndarray.size 　　数组元素的总个数 

ndarray.dtype 　　数组元素的数据类型，dtype 类型可以用于创建数组中 

ndarray.itemsize　　数组中每个元素的字节大小

ndarray.data 　　包含实际数组元素的缓冲区地址 

ndarray.flat 　　数组元素的选代器

numpy 库运算函数

np.abs(x)　　计算基于元素的整形，浮点或复数的绝对值。

np.sqrt(x)　　计算每个元素的平方根 

np.squre(x)　　计算每个元素的平方

np.sign(x)　　计算每个元素的符号：1(+),0,-1(-)

np.ceil(x)　　计算大于或等于每个元素的最小值 

np.floor(x)　　计算小于或等于每个元素的最大值 

np.rint(xl, out])　　圆整，取每个元索为最近的整数，保留数据类型 

np.exp(xL, out])　　计算每个元素指数值 

 matplotlib库

plt.figure(figsize-None,facecolor=None)　　创建一个全局绘图区域 

plt.axes(rect,axisbg='w")　　创建一个坐标系风格的子绘图区域 

plt.subplot(nrows,ncols,plot_number)　　在全局绘图区域中创建一个子绘图区城 

plt.subplots_adjust() 　　调整子图区域的布局

plt.legend() 　　在绘图区域中方式绘图（也称图注）

plt.show()　　显示创建的绘图对象 

plt.matshow() 　　在窗口显示数组矩阵 

 plt.imshow()　　在 axes 上显示图像

plt.imsave()　　保存数组为图像文件 

plt.imread()　　从图像文件中读取数组

成绩雷达图

 

import numpy as np
import matplotlib.pyplot as plt
las=['第二周','第三周','第四周','第五周','第六周']
datal=5
data=np.array([90,87.2,84,100,70])
angles=np.linspace(0,2*np.pi,datal,endpoint=False)
data=np.concatenate((data,[data[0]]))
angles=np.concatenate((angles,[angles[0]]))
fig=plt.figure()
ax=fig.add_subplot(111,polar=True)
ax.plot(angles,data,'rv--',linewidth=2)
plt.thetagrids(angles*180/np.pi,las,fontproperties="SimHei")
ax.set_title("48",fontproperties="SimHei")
ax.grid(True)
plt.show()